使用 Twitter 数据进行情感分析，研究美国 COVID-19 病例对公众情绪的影响，为疫情相关立法、科学研究以及公众教育提供指导。

Jan, 2022

本论文研究了 COVID-19 大流行期间社交媒体消息对公众意见和情感的影响，其中着重关注了公众人物（例如运动员、政治家、新闻人员）分享的内涵以及公众舆论的方向

Feb, 2023

该研究使用深度学习模型对 Twitter 情绪进行分析，发现 COVID-19 疫情期间推文数量、病例数量和情绪极性得分变化之间的联系，以及疫苗推广对社交媒体讨论性质的影响

Jun, 2023

通过分析社交媒体上用户对 COVID-19 疫苗的感受和情绪波动，研究者们发现了不同人群对疫苗的态度差异。疫苗接种率的提高与用户情绪向积极的变化密切相关，视角细分的情感分析能够为疫苗推广策略提供实质性的桥梁作用。

Jul, 2022

研究探讨了美国和印度在 2020 年 2 月至 2021 年 4 月的十五个月中通过超过 5400 万条推特表达的与 COVID-19 相关的各种情绪，应用预训练的情感分析和主题建模算法，研究了四种不同类型的情绪（恐惧、愤怒、快乐和悲伤）及其时间和位置相关的变化。结果显示了不同国家之间的显着差异和随着时间变化而变化的相对情感比例，讨论了发现的不同之处并探讨了它们的含义。

Mar, 2023

本研究使用 DistilRoBERTa 算法比较分析了两个流行社交媒体平台 Reddit 和 Twitter 对 COVID-19 疫苗的舆情。结果表明，尽管平均情感表达在这些媒体平台间有所变化，但两者在与疫苗相关的重要发展时分享的情感具有相似的行为。因此，这些社交媒体平台继续是公共卫生官员可利用的宝贵数据源，以增强疫苗信心和打击虚假信息。

Oct, 2022

本论文使用多语言句子嵌入的神经网络对欧洲 COVID-19 疫情爆发期间收集的 Twitter 消息进行情感分析，并将结果按来源国分离，通过与国家事件的相关性进行时间性发展的相关性分析，研究疫情对人们情绪的影响。

Aug, 2020

本文主要关注印度 COVID-19 推文的 Twitter 数据的情感分析，展示了如何提取 Twitter 数据并对其进行情感分析查询，以便分析推文中信息的结构不统一、异质且在某些情况下为积极、消极或中性的观点。

Aug, 2023

本文分析了 3038026 条关于 COVID-19 的英文推文，重点关注了公众反应的一个相关方面：性别差异。结果表明，女性更倾向于在家庭、社交距离和医疗保健方面发表有关病毒的推文，而男性更倾向于在体育赛事取消、全球病毒传播和政治反应方面发表推文，因此，女性似乎更加直接地承担了保持人群安全的不成比例责任。

Mar, 2020

本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析，探究社交媒体对疫情预测的作用，结果表明加入社交媒体变量可以改进疫情预测模型的准确性，并发布全球的 MegaGeoCOV 数据集，以帮助更好地理解全球疫情的动态。

Jun, 2022